編輯｜+0、Youli

大家是否察覺到，2026 年伊始，AI 的進化邏輯正發(fā)生微妙轉向。

從國內風頭正勁的元寶派，到硅谷討論熱度居高不下的 OpenClaw、Moltbook，再到 AI 初創(chuàng)公司 Humans & 打造的社交智能融資額接近 5 億美元，以及剛剛發(fā)生的，定位為「The Simulation Company」的 Simile 推出其 AI 模擬平臺做社會模擬，并獲得 1 億美元融資，投資人包括美國頂級基金及斯坦福李飛飛教授等。

似乎業(yè)界已不再滿足于僅僅將 AI 作為一個單獨的工具，而是開始探索：當 AI 開始走進人類的真實交互場景中，與人類產生各種各樣的互動時，會發(fā)生什么？

基于此，一場圍繞人與 AI 的社交新敘事，正悄然鋪開……

最近，機器之心留意到這類玩家中一個頗具代表性的產品。

https://mp.weixin.qq.com/s/yNNYvoyPYRYj79MNvcAyOg?click_id=91

從視頻中可以看到，一群朋友在群里聊天，從當前的熱映影片聊到各自最喜歡的電影，氣氛輕松、自然。而就在話題逐漸升溫時，一個 AI 智能體適時、主動「加入」到群聊中，并根據聊天內容的上下文主動推薦了相關視頻片段與背景音樂，直接嵌入到聊天界面中。另一邊，朋友們還在繼續(xù)討論，并可以邊聊天邊觀看視頻內容、收聽音樂。

整個過程，AI 智能體并沒有被刻意喚醒，也沒有通過復雜的指令觸發(fā)，它就這么「絲滑」地融入到聊天中……

這就是初創(chuàng)公司 Teamily AI 最新推出的全球首個 AI 原生即時通訊應用（IM）——Teamily AI，意圖構建一個人類與 AI 智能體共生的社交網絡。在這個網絡中，AI 不再是一個外部工具，而是群體中的一員，人類與 AI 智能體互相協(xié)作、實時共存、互動。

AI 下一站不是更強模型，而是更強協(xié)作

過去兩年多，國內外圍繞大模型的競賽幾乎都是線性的：更快、更強、更逼真…… 從 ChatGPT 到 Sora，再到 Claude，大模型技術的每一次飛躍，都是在不斷放大人類個體能力，甚至朝著把人類變成「超級個體」的方向演進，一個人甚至可以完成過去需要一個團隊才能完成的工作。但對于團隊協(xié)作來說，會議依舊低效、群聊依舊混亂、信息依舊分散…… 可以說 AI 確實在讓個人變強，卻并沒有讓「群體」變聰明。

Teamily AI 想解決的，正是這個被忽視的問題。在 Teamily AI 看來，AI 的下一個階段，不是繼續(xù)增強單個個體的能力，而是增強「關系」。也就是說，群體智能才是未來，幫助群體連接、協(xié)作、創(chuàng)造。

當然，前面也說到，業(yè)界也開始意識到這一趨勢，開始有各種各樣的玩法。

目前看來，在現有探索路徑中，大概有這么幾種不同方向。有些是在已有的社交 / 辦公工具上做加法，疊加 AI 大模型能力，屬于「社交 / 工具 + AI」的延伸思路，本質仍是工具增強?；蛘呤窍?OpenClaw、Moltbook 那樣，更激進地將人類「排除」在外，構建以 AI 智能體自己為主體的群體網絡，甚至反過來「雇傭」人類，等等。

但 Teamily AI 并不這樣認為。

他們堅持 AI-Native 的思考方式，在新型的 AI 社交關系中，AI 首先不是一個孤立的聊天機器人，而是一個可以存在于群聊中的「成員」，AI 與人類在同一個群聊中實時互動，是「協(xié)作」的一部分，而非外部工具。總結來說，在這種關系中，人與 AI 組成一種「共生」結構。

在這種設想下，Teamily AI 意識到，即時通訊應用（IM）是承載這一結構的最佳歸屬地，形成自然的人類 —AI 協(xié)作形式。因為群聊本身就是高頻協(xié)作發(fā)生的空間，是信息自然流動的載體，而 AI 要成為「成員」之一，就必須進入對話里，而不是懸浮在界面之外。

https://mp.weixin.qq.com/s/yNNYvoyPYRYj79MNvcAyOg?click_id=91

四大場景全域伴隨，三層架構筑起技術護城河

具體來看，Teamily AI 的獨特性在于，其基本交互單元是「人類 + Agent」，解決的不再是個體的效率問題，而是團隊的協(xié)作效率，平臺上多智能體調度設置的目的，是回歸人類的訴求 —— 人類如何連接、協(xié)作、共創(chuàng)。

為此，Teamily AI 主打「全域伴隨」，從個人到群體，覆蓋家庭、朋友、社區(qū)和同事四大核心場景。

家庭：對于孩子來說，睡前故事往往是必不可少的，但有時候父母可能并不清楚孩子想聽什么故事，而且也沒有那么多的時間和精力去重新創(chuàng)作，而在 Teamily AI 中，父母可以和孩子一起在群里描述想聽的故事，之后智能體就會根據大家的描述，創(chuàng)作出帶有精美插圖的故事。不僅如此，Teamily AI 還會記住之前的故事，從而在接下來的每一晚，講述的故事新章節(jié)都會延續(xù)之前的角色和世界觀，讓這個故事變成了專屬于他們的獨家記憶。

https://mp.weixin.qq.com/s/yNNYvoyPYRYj79MNvcAyOg?click_id=91

朋友：朋友間的聊天往往是五花八門，就像前面例子中的電影分享一樣，可能上一秒在聊電影，下一秒就會有朋友分享了一張在路上的跑車照片，大家會暢想自己開著這輛車的樣子。而在 Teamily AI 中，AI 完全能夠做到這一點，大家可以輪流向它提要求：修改車牌、把自己換到駕駛座、給旁邊加個朋友等，它甚至能夠理解每個人的風格和語境，讓大家在創(chuàng)意上相互碰撞……

https://mp.weixin.qq.com/s/yNNYvoyPYRYj79MNvcAyOg?click_id=91

社區(qū)：如果你是一個 AI 愛好者社區(qū)，那么可以在 Teamily AI 上找到一個熱衷于學習 AI 的社區(qū)。有人分享了新的 YouTube 視頻、推文或 arXiv 論文時，AI 會分析視頻和論文，為小組提煉核心摘要，而小組成員可以隨著接著提問、分享見解，不管是多么深奧的科研課題，多么密集的科研材料，它夠能將其變成一種簡單易懂的內容，并讓大家感受到協(xié)作式的學習體驗。

https://mp.weixin.qq.com/s/yNNYvoyPYRYj79MNvcAyOg?click_id=91

同事：在工作場合中，團隊之間的協(xié)作需要更為旺盛，尤其是在人多的群里，很多消息和重要往往會淹沒在浩如煙海的群聊記錄中，即便當前能夠借助一些 AI 工具，但過載的內容也嘗嘗讓 AI「罷工」。而在 Teamily AI 中，AI 能夠根據聊天內容上下文，完成不同同事交待的 PRD（產品需求文檔）撰寫工作，且過程流暢、準確、高效，再多的消息與人物，也不會讓 AI 感到混亂。更重要的是，進行這些的操作不需要任何前提，即便是沒有技術背景的「小白」。

https://mp.weixin.qq.com/s/yNNYvoyPYRYj79MNvcAyOg?click_id=91

強大玩法背后，是有著堅實的技術護城河。

這一優(yōu)勢，得益于其頂尖的創(chuàng)始團隊背景。Teamily AI 由何朝陽（Aiden Chaoyang He）和 Salman Avestimehr 共同創(chuàng)立。

何朝陽，博士畢業(yè)于南加州大學（USC）計算機科學系，研究重點為分布式機器學習以及大型基礎模型（LLM、ViT）的高效訓練與服務部署。投身創(chuàng)業(yè)前，他曾任騰訊研發(fā)團隊經理、首席軟件工程師，并在百度、Google、Facebook 等頭部大廠積累了豐富的大規(guī)模產品研發(fā)經驗 。

而這些在復雜工程和分布式架構上的理論與實戰(zhàn)積累，如今直接轉化為了 Teamily AI 支撐復雜多智能體網絡調度的底層架構。

Salman Avestimehr，美國工程院院士、USC 院長教授，他在機器學習、信息論、安全與隱私保護等領域擁有超過 20 年的研發(fā)領導經驗，并在 Amazon/Alexa-AI 等多家科技公司擔任顧問 。

正是他在安全隱私和分布式計算領域的開創(chuàng)性工作，為 Teamily AI 構建跨群組的「記憶邊界」和數據保護系統(tǒng)提供了強有力的理論與實踐經驗。

技術實現：如何破解多人群聊的底層挑戰(zhàn)？

在多人群聊中，話題往往高度跳躍，且混雜著視頻、鏈接、語音等多種模態(tài)。在處理這些復雜信息的同時，還要兼顧隱私保護與成本控制，這對系統(tǒng)設計提出了極大的挑戰(zhàn)。Teamily AI 是如何通過底層技術解決這些難題的？

1.AI 如何做到「亂中有序」？

傳統(tǒng)的 Chatbot 多為一對一交互，在多話題混雜的聊天中極易產生「幻覺」。為此，Teamily AI 創(chuàng)新性地構建了三層技術框架：

• 多模態(tài)感知層：系統(tǒng)將視頻、音樂、圖片、鏈接等富媒體內容，統(tǒng)一轉化為文本進行理解。面對群聊中海量的歷史記錄，Teamily AI 采用了多級搜索與壓縮技術，有效解決長上下文的記憶難題，確保 AI 不會「聊著聊著就忘了」。
• 社交大腦：作為系統(tǒng)的決策中樞，它具備多任務規(guī)劃能力。通過精準的意圖識別與目標分解，社交大腦能夠智能決策「現在誰該說話」以及「該調用哪個 Agent」。
• 智能體網絡：這是系統(tǒng)的執(zhí)行層不僅能調度 AI Agent，還能調度人類。例如在會議結束后，社交大腦會合理分配任務：既安排 AI 去調研數據，也提醒人類去線下溝通，真正實現人機混合編排。

2.AI 如何知道何時插話，何時沉默？

目前的 AI Bot 大多依賴手動喚醒，而 Teamily AI 引入了自適應響應機制，讓 Agent 進化為具備社交直覺的「數字成員」。

基于對上下文的實時理解，Agent 無需被主動召喚，即可適時提供增量信息。例如在家庭群聊中，AI 會主動提醒：「別忘了，Leo 今天下午有足球賽?！巩斎唬脩粢廊豢梢酝ㄟ^ @ 來明確喚醒 AI。

此外，社交大腦能夠智能區(qū)分事件的輕重緩急，自主決定是簡單回復一句話，還是調用復雜的后臺工具。

https://mp.weixin.qq.com/s/yNNYvoyPYRYj79MNvcAyOg?click_id=91

3.AI 會不會泄露隱私？

用戶在使用時最大的擔憂往往是：「我在群里說話，AI 會不會泄露我的隱私？」

Teamily AI 設計了全球首個跨 AI 與人類的記憶管理系統(tǒng)，通過三重邊界建立安全防線：

• AI 私聊記憶僅限一對一；
• 群內記憶嚴格隔離，絕不跨群泄露；
• 超級智能體作為個人中樞，擁有跨群的上帝視角，但僅服務于個人。

此外，Teamily AI 還支持可控分享，這是打破企業(yè)「部門墻」的關鍵。用戶可以將某個群的討論結論（如法務群的合規(guī)意見）一鍵打包分享給另一個群（如產品群）。在此過程中，AI 會自動提取摘要并傳遞必要的上下文，既保護了原始聊天記錄的隱私，又實現了跨團隊的無縫協(xié)作。

4.如何實現可持續(xù)的商業(yè)模式？

如果讓 AI 24 小時待命，或多個 AI 同時并行工作，Token 的消耗將是天價，這也是 OpenClaw 等同類產品備受詬病的痛點。

Teamily AI 通過模型路由技術與邊緣計算實現成本優(yōu)化。系統(tǒng)會優(yōu)先利用本地設備（如手機、電腦）的算力，運行小模型處理簡單任務（約 30%-50% 的請求可在邊緣端消化），只有遇到復雜任務時才會調用云端大模型。

同時，系統(tǒng)會根據任務的復雜度動態(tài)分配不同體量的 Agent，避免「殺雞用牛刀」。這不僅在保證智能體驗的同時大幅降低了推理成本，更真正實現了「千人千 AI」的愿景。

從「懂指令」到「懂你」，Teamily AI 想要重構 AI 社交新范式

其實，看了 Teamily AI 的這么多玩法，大家應該可以看出來，Teamily AI 所探索的并不僅僅是一個新 IM 產品，而是一種 AI 社交范式的實驗。

在 AI 社交的邊界探索上，不同于當前各類 AI 社交產品聚焦生活、情感、工作等垂類玩法的不同，Teamily AI 堅持全域思維。

在創(chuàng)始人何朝陽看來，AGI 的下一個突破口在私域數據場景。社交是數據和信息的最后一塊「孤島」，只有讓 AI 深度介入社交場景，才可能實現從「懂指令」到「懂你」的質變，讓 AI 真正懂用戶，進而推動協(xié)作。

而在 AI 社交的路線上，Teamily AI 既沒有采取大廠延長線打法 —— 在已有的 AI 產品上做加法，拒絕簡單的「社交 + AI」，也不是像 OpenClaw 那樣，徹底由 AI 智能體組織社會網絡并「雇傭 / 指揮」人類干活，帶有科幻色彩的顛覆式邏輯，而是堅持「AI 原生（AI-Native）」思考，倡導人類與 AI 共生。

在何朝陽的設想里，科技的終點不應是冷冰冰的指令替代，而應是人類連接的增強。Teamily AI 的愿景并非構建一個由 Agent「統(tǒng)治」的高效工廠，而是重塑一個有溫度、有記憶的數字社區(qū)。在這場「社交范式」的重構中，始終是以人為本，正如所有的技術進化，本質都是服務于最樸素的人性，而 AI 的最終歸宿也應是回到「人與人的連接與協(xié)作」，通過 AI 增強人類。

當然，目前行業(yè)仍處于破曉前的萌芽階段，在 AGI 尚未到來之前，每一條路徑都閃爍著微光，所有的探索都有可能是通往終局的答案。

那么，你呢？在這場 AI 社交范式的重構中，更看好哪一派？感興趣的朋友可以在留言區(qū)交流、探討，也可以前往 Teamily AI 了解、體驗這一全新AI社交方式！

• 官網鏈接：https://Teamily.ai
• 官方 X 賬號：https://X.com/teamily_ai
• 產品介紹：https://x.com/teamily_ai/status/2022059522974757098?s=46